vae
忏悔
前段时间学习了《Auto encoding variational bayes》这篇文章，处于种种原因，还写了一篇博客，https://blog.csdn.net/qq_31456593/article/details/77743840，近日想要自己再重新复习一下，发现当时的理解是相当的不到位，叙述也是模棱两可的，花了很大力气，又重新看了两天，有了许多新的理解，我决定把它写下来。当然认知水平的高低不可能一蹴而就，我希望下次我继续读这个内容的时候又会有新的理解。
1）关于VAE还是AEV
在上一篇博客中，我主要学习的是《Auto encoding variational bayes》这篇文章，所以我自作主张的讲它缩写为AEV。这几天，在大量阅读相关文献博客期间，发现，卧槽，人家叫VAE，全称variational auto encoding。经验主义害死人，看文献细看几眼总归是不会有错的。
言归正传，那么什么是VAE呢？简单来讲，一个可以和GAN相媲美的生成网络。我们可以输入一个低维空间的Z，映射到高维空间的真实数据。比如，生成不同样的数字，人脸，卡通头像等等。
讲的天花乱坠，不如一张图片来的实在，上图就具体展示了VAE的作用，作图是经过一轮训练之后的输出结果，中间的图是经过9轮训练之后的输出结果，而右图就是我们真实地数据。（这里我猜测是将图片先编码，再解码这个全过程，而不是仅仅通过一个随机量去生成）。
2）VAE与GAN之间的差异性
既然VAE与GAN都是属于最近很火的生成网络序列，那么他们之间有什么不同呢？
假设，给定一系列猫的照片，我希望你能够对应我随机输入的一个n维向量，生成一张新的猫的照片，你需要怎么去做?对于GAN就是典型的深度学习时代的逻辑，你不是不清楚这个n维向量与猫的图片之间的关系嘛，没关系，我直接拟合出来猫的图片对于n维向量的分布，通过对抗学习的方式获得较好的模型效果，这个方法虽然很暴力，但是却是有效的。
VAE则不同，他通过说我希望生成一张新的猫脸，那么这个n维向量代表的就是n个决定最终猫脸模样的隐形因素。对于每个因素，都对应产生一种分布，从这些分布关系中进行采样，那么我就可以通过一个深度网络恢复出最终的猫脸。VAE相比较于GAN它的效果往往会略微模糊一点，但是也不失为一种良好的解决方案。并且相对于GAN的暴力求解，VAE的建模思路无疑要复杂的多，它更能体现理科思维的艺术感。
3）VAE初识
想象这样一个网络，输入是一组全部为一的向量，目标是一张人脸，经过好多好多轮的训练。我们只要输入这个全部唯一的向量就可以得到这张你熟悉的脸。其实这是因为在训练的过程中，我们通过不断地训练，网络已经将这张人脸图片的参数保存起来了。
这个工作其实已经可以看出他的意义所在了，通过一个网络，将一个高维空间的人脸映射为低维空间的一个向量。那么如果我将这个向量定义为四维，采用one-hot的表达方式表达四张不同的脸，那么这个网络就可以表达四个脸，emm，你输入不同的数据，他就会输出不同的脸来。
你也许会说，那这个几维向量又代表什么呢？如果每增加一个脸就要相应增加空间的维度，那么这个过程也就太不科学了吧。嗯，科学的是，以上只是我随手为了方便大家理解举的例子，其实，在实际应用中，这个维度往往代表的是决定最后成型的各个因素，大家往往称之为隐形因素，也就是在大量的博客推导中我们所看到的Z。在下面这个图中，我们通过六个因素来描述最终的人脸形状，而这些因素不同的值则代表了不同的特性。
是不是有朋友会觉得，那你这个VAE到底有什么用呢，就为了把大量的数据存储到网络结构中去呀，当然不能是这么简单的一个事。想象一下，在一个末日大片中，我们需要去搞出一个许多机器人占领世界的场面，但是我们的特效师一张张去画，这无疑会是一个令人头疼的工作，利用VAE，只需要使用有限的数据输入，我们就可以通过隐形参数的调节，获得几乎无限的数量。
有人也许会问了，你为什么可以生成从来没有出现过的图片。这里就要介绍一下VAE中的编码器，对于每个隐性参数他不会去只生成固定的一个数，而是会产生一个置信值得分布区间，这是一种连续的表达方式，通过采样，我们就可以获得许多从来没有见过的数据了。
这一篇先到这里，更多内容请阅读《VAE全面理解（下）》
参考：
1、VAE(Variational Autoencoder)的原理
2、https://www.jeremyjordan.me/variational-autoencoders/
3、读论文《Auto-Encoding Variational Bayes》
4、变分自编码器VAE：原来是这么一回事 | 附开源代码
戴尔灵越7000性能如何 dell灵越7000笔记本性能全面图
戴尔灵越7000怎么样？性能如何？值不值得买？下面小编带来dell灵越7000笔记本性能全面图解评测，希望对大家有所帮助。dell灵越7000笔记本
HUAWEI MatePad pro值得入手吗 华为平板MatePad Pro全
HUAWEI MatePad pro值得入手吗?华为已经拥有如HUAWEI Mate 30 Pro、HUAWEI MateBook X Pro、华为子母路由 Q2 Pro等多款以Pro为后
浅谈对原子锁的理解
对原子atomic操作的理解 前言 我们知道，当我们修改某一个变量的时候，在汇编层面看来，至少需要细分为“读->改->写”三个过程，也就是说
开发www.miibeian.gov.cn的JAVAEE大师 — I 服了油
今天申请网站备案,弄了3个小时,信息仍然没有成功录入完成.就这么一点点的东西让我浪费了三个小时啊,还没有完成.我想是政府的问题
私货分享：设计师如何全面提升自己的工作效率？
如何有效提高工作是每一个职场人都十分关注的点，今天作者就此展开分享，希望你能从文中收获点滴。工作效率是个老生常谈的话题，但是对
文章回顾
大家看了本文VAE全面理解（上）的精彩教程资源内容，是不是对VAE全面理解（上）了解更多，真心希望VAE全面理解（上）能帮助到你， 小编会一直给你带来更多教程资源文章信息。
